一种小波奇异熵在堆垛机周期性故障检测的应用方法与流程

本发明涉及的是一种堆垛机周期性故障的检测方法，具体涉及一种小波奇异熵在堆垛机周期性故障检测的应用方法。

背景技术：

随着自动化仓库的快速发展，而堆垛机作为自动化立体仓库的核心装备之一，是自动化立体仓库存储于运输的纽带和桥梁，承接着日常出库、入库、转库等任务，逐渐成为研究的重点。堆垛机出现故障时不仅对自身的作业产生影响，甚至还关系到整个自动化立体仓库的正常工作，同时其工作效率的高低也直接影响整个立体仓库运作的效率。而堆垛机部件结构越来越紧密化、集成化，系统的逻辑功能的智能化水平不断提高；并且受工作环境和人为操作不当和其作业时呈现出高度的随机性、不确定性等因素的影响，堆垛机在出现故障时，故障机理、故障模式都难以精确的刻画。

而周期性故障由于故障故障幅值较小、信号混杂于信号噪声中，无法得到较好的处理，因此如何有效的提取周期性故障的故障特征，成为研究的热点。

其中，周期信号分为简单周期信号和复杂周期信号，简单周期信号的公式为：f(t)+asinω0t,f(t)为无故障信号，a为周期故障的幅值，ω0为故障的角频率。复杂周期信号的公式为：或者其中ux为信号xt的平均值，f1为基本频率，基本周期而不同信号的周期与基本周期t1是倍比的关系。

在堆垛机的实际运行过程中，利用传感器得到的数据来对堆垛机的运行状态进行评估。常见的堆垛机故障中的周期故障由于故障幅值较小、易被噪声掩盖而无法检测到。鉴于此，提出一种基于小波奇异熵的堆垛机周期性故障检测的方法。

技术实现要素：

针对现有技术上存在的不足，本发明目的是在于提供一种小波奇异熵在堆垛机周期性故障检测的应用方法，

为了实现上述目的，本发明是通过如下的技术方案来实现：一种小波奇异熵在堆垛机周期性故障检测的应用方法，包括以下步骤：

第一步信号采集：由于机械装备的故障信息主要表征在动力学、摩擦学、热学等多种物理现象。因此，利用传感器获取信号表征堆垛机装备的运行状态，然后利用zigbee无线传感技术把传感器获得到的信号传入中间服务器进行存储。

第二步小波变换基函数及分解尺度，得到小波系数矩阵。采用二进离散形式：a＝2^j，b＝k2^j,(j,k＝1,2,…,n),进行二进离散变换得到二进正交离散小波：

根据选择小波基主要是考虑到小波的紧支性、消失矩、正则性、正交性和对称性的原则选择了db系列的db3小波对信号进行小波变换，得到不同频段下的小波分解系数dm，

dm＝{dm1，dm2，...dmn}

其中m为分解尺度，n为样本数。本发明选取m＝5，即一共对信号进行5层分解，同时选取窗口长度为100，即对每100个数据进行小波分解，n＝100。

第三步小波系数矩阵的奇异值分解，将5层小波分解的系数矩阵组成矩阵，令

对矩阵d进行奇异值分解，得到一系列的奇异值σi(代表不同特征在信号中的分布)。

第四步是信息熵的计算，将第二步得到的σi进行熵值计算得到信号的特征值wse。

本发明首先利用小波变换把堆垛机的信号进行小波变换得到不同小波尺度下的小波系数(不同的小波尺度对应不同的小波频段)，将小波系数组成小波系数矩阵；然后进行奇异值分解得到一系列能够反映原系数矩阵基本特征的奇异值，实现各分量的分离，并且得到各分量的分布情况；最后再利用信息熵的统计特性对奇异值集合进行不确定分析，从而对原始信号给出一个确定的量度，并将此作为故障信号特征。通过该方法能够快速的从原始信号中提取出周期性故障的信号特征，这源于小波奇异熵提取故障特征与故障的幅值无关。

本发明具有以下有益效果：

1、突出周期信号的某些特征，自适应好

小波变换通过变换能够充分突出问题某些方面的特征，能对时间(空间)频率的局部化分析，通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节。

2、小波奇异熵对幅值低的故障识别效率高

常见的堆垛机故障中的周期故障由于故障幅值较小、易被噪声掩盖而无法检测到。而该方法能够快速的从原始信号中提取出周期性故障的信号特征，主要是由于小波奇异熵提取故障特征与故障的幅值无关。

附图说明

下面结合附图和具体实施方式来详细说明本发明；

图1为本发明的整体流程图；

图2为本发明的小波分解示意图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

参照图1-图2，本具体实施方式采用以下技术方案：一种小波奇异熵在堆垛机周期性故障检测的应用方法，包括小波函数及分解尺度的确定、小波系数矩阵的奇异值分解确定、小波系数的奇异熵的确定。

(1)小波函数及分解尺度的确定部分介绍如下：

小波变换主要是用一簇函数去表示或者逼近信号。它主要是通过一些基本的的平移变换构成。选择小波基主要是考虑到小波的紧支性、消失矩、正则性、正交性和对称性。对于基本小波函数：

进行二进离散变换得到二进正交离散小波，那么相应的离散小波为：

(2)小波系数矩阵的奇异值分解确定部分介绍：

正交分解把信号分解成若干个相互正交的分量的加权和，经过正交分解后的信号能够在一定程度上消除各个分量之间的相关性。奇异值分解属于正交变换能够解决信号的最优化问题。首先小波分解系数d为m×n阶矩阵，秩为r，则存在m阶正交矩阵u和n阶正交正v，使得：

d＝ubv^t

其中是m×n阶矩阵，∑r＝diag(σ1,σ2,…,σr),σi为d的奇异值。上式为d的奇异值分解式。将上面的u＝(u1,u2,…,um)和v＝(v1,v2,…,vn)按照列进行分块，那么可以得到:

其中uivi^t为d的第i个特征。由此可得σi在一定程度上表示了矩阵d的特征。

(3)小波系数的奇异熵计算的部分介绍：

矩阵的特征可用矩阵奇异值分解得到的非零奇异值表示，运用到小波的分解系数中，把小波分解后的系数组成系数矩阵，进行奇异值分解得到能够反映原系数矩阵的特征值，然后利用信息熵对奇异值进行不确定度分析，从而对原始信号给出确定的度量。信息熵的计算如下：

其中σi为小波系数矩阵分解的第i个奇异值。

具体实施方案及步骤如下：

第一步信号采集：由于机械装备的故障信息主要表征在动力学、摩擦学、热学等多种物理现象。因此，利用传感器获取信号表征堆垛机装备的运行状态，然后利用zigbee无线传感技术把传感器获得到的信号传入中间服务器进行存储。

第二步小波变换基函数及分解尺度，得到小波系数矩阵。采用二进离散形式：a＝2^j，b＝k2^j,(j,k＝1,2,…,n),进行二进离散变换得到二进正交离散小波：

根据选择小波基主要是考虑到小波的紧支性、消失矩、正则性、正交性和对称性的原则选择了db系列的db3小波对信号进行小波变换，得到不同频段下的小波分解系数dm，

dm＝{dm1，dm2，...dmn}

其中m为分解尺度，n为样本数。本发明选取m＝5，即一共对信号进行5层分解，同时选取窗口长度为100，即对每100个数据进行小波分解，n＝100。

第三步小波系数矩阵的奇异值分解，将5层小波分解的系数矩阵组成矩阵，令

对矩阵d进行奇异值分解，得到一系列的奇异值σi(代表不同特征在信号中的分布)。

第四步是信息熵的计算，将第二步得到的σi进行熵值计算得到信号的特征值wse。

对于不同类型的故障，其小波系数肯定存在一定的差异性，那么小波系数矩阵也不相同，通过奇异值的计算得到的小波系数矩阵内部的特征值，然后计算奇异值的分布特点，那么就可以得到堆垛机的周期性故障的检测。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。